History

co-op-translator[bot] 7b6699135a 🌐 Update translations via Co-op Translator (#544 ) Co-authored-by: leestott <leestott@users.noreply.github.com>		1 year ago
..
README.md	🌐 Update translations via Co-op Translator (#544 )	1 year ago
assignment.md	🌐 Update translations via Co-op Translator (#544 )	1 year ago

README.md

Unescape Escape

理解語言

手繪筆記由 Nitya Narasimhan 提供。點擊圖片查看更大版本。

課前測驗

簡介

在上一課中，你已經將語音轉換為文字。若要將其用於編程智能計時器，你的程式碼需要理解所說的內容。你可以假設使用者會說固定的短語，例如「設置一個3分鐘的計時器」，並解析該表達式以獲取計時器的時間，但這樣並不太友好。如果使用者說「設置一個計時器，時間為3分鐘」，你或我能理解他們的意思，但你的程式碼可能無法理解，因為它預期的是固定短語。

這就是語言理解的作用所在，利用人工智慧模型來解釋文字並返回所需的細節。例如，它能夠理解「設置一個3分鐘的計時器」和「設置一個計時器，時間為3分鐘」，並知道需要設置一個3分鐘的計時器。

在本課中，你將學習語言理解模型，如何創建、訓練它們，以及如何在程式碼中使用它們。

本課將涵蓋：

語言理解

人類已經使用語言進行溝通數十萬年。我們通過文字、聲音或行動進行交流，並理解所說的內容，不僅是文字、聲音或行動的含義，還包括它們的上下文。我們能理解真誠和諷刺，讓相同的文字因語氣不同而表達不同的意思。

✅ 想想你最近的一些對話。有多少對話因需要上下文而難以讓電腦理解？

語言理解，也稱為自然語言理解，是人工智慧的一個領域，屬於自然語言處理（NLP），主要研究閱讀理解，試圖理解文字或句子的細節。如果你使用過像 Alexa 或 Siri 這樣的語音助手，那麼你已經使用過語言理解服務了。這些服務是幕後的人工智慧服務，能將「Alexa，播放 Taylor Swift 的最新專輯」轉化為我女兒在客廳裡隨著她最喜歡的音樂跳舞。

💁 儘管電腦技術已經取得了巨大進步，但在真正理解文字方面仍有很長的路要走。當我們提到電腦的語言理解時，並不是指像人類交流那樣高級，而是指從一些文字中提取關鍵細節。

作為人類，我們幾乎不需要思考就能理解語言。如果我請另一個人「播放 Taylor Swift 的最新專輯」，他們會本能地知道我的意思。對於電腦來說，這就困難得多了。它需要將文字從語音轉換為文字，並解析以下信息：

需要播放音樂
音樂是由歌手 Taylor Swift 演唱的
具體的音樂是一整張專輯，包含多首按順序排列的曲目
Taylor Swift 有很多專輯，因此需要按時間順序排列，最新發行的專輯是所需的

✅ 想想你在提出請求時說過的一些句子，例如點咖啡或請家人幫忙遞東西。試著將這些句子分解為電腦需要提取的信息。

語言理解模型是人工智慧模型，訓練用於從語言中提取特定細節，並通過遷移學習針對特定任務進行訓練，就像你使用少量圖片訓練自定義視覺模型一樣。你可以使用模型，然後用你希望它理解的文字進行訓練。

創建語言理解模型

你可以使用 LUIS（Microsoft 的語言理解服務，屬於 Cognitive Services）來創建語言理解模型。

任務 - 創建編輯資源

要使用 LUIS，你需要創建一個編輯資源。

使用以下命令在你的 smart-timer 資源組中創建一個編輯資源：

az cognitiveservices account create --name smart-timer-luis-authoring \
                                    --resource-group smart-timer \
                                    --kind LUIS.Authoring \
                                    --sku F0 \
                                    --yes \
                                    --location <location>

將 <location> 替換為創建資源組時使用的位置。

⚠️ LUIS 並非在所有地區都可用，如果出現以下錯誤：
InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
請選擇其他地區。

這將創建一個免費層的 LUIS 編輯資源。

任務 - 創建語言理解應用

在瀏覽器中打開 LUIS 入口網站 luis.ai，並使用你在 Azure 上使用的相同帳戶登錄。
按照對話框中的指示選擇你的 Azure 訂閱，然後選擇剛剛創建的 smart-timer-luis-authoring 資源。
從 Conversation apps 列表中，選擇 New app 按鈕以創建新應用。將新應用命名為 smart-timer，並將 Culture 設置為你的語言。

💁 有一個預測資源字段。你可以創建一個單獨的資源用於預測，但免費的編輯資源每月允許 1,000 次預測，足夠用於開發，因此可以留空。
閱讀創建應用後出現的指南，了解訓練語言理解模型所需的步驟。完成後關閉該指南。

意圖和實體

語言理解基於意圖和實體。意圖是文字的目的，例如播放音樂、設置計時器或訂餐。實體是意圖所指的內容，例如專輯、計時器的時間或食物的種類。模型解釋的每個句子應至少有一個意圖，並且可以選擇性地包含一個或多個實體。

一些例子：

句子	意圖	實體
「播放 Taylor Swift 的最新專輯」	播放音樂	Taylor Swift 的最新專輯
「設置一個3分鐘的計時器」	設置計時器	3分鐘
「取消我的計時器」	取消計時器	無
「訂購3個大號菠蘿披薩和一份凱撒沙拉」	訂餐	3個大號菠蘿披薩，凱撒沙拉

✅ 對於你之前想到的句子，該句子的意圖和實體會是什麼？

要訓練 LUIS，首先需要設置實體。這些可以是固定的術語列表，也可以從文字中學習。例如，你可以提供菜單上的固定食物列表，並提供每個詞的變體（或同義詞），例如 egg plant 和 aubergine 作為 aubergine 的變體。LUIS 也有一些預設的實體可以使用，例如數字和地點。

對於設置計時器，你可以使用預設的數字實體來表示時間，並創建另一個實體表示單位，例如分鐘和秒。每個單位可以有多個變體以涵蓋單數和複數形式，例如 minute 和 minutes。

設置好實體後，你需要創建意圖。意圖是根據你提供的示例句子（稱為語句）由模型學習的。例如，對於 設置計時器 意圖，你可以提供以下句子：

設置一個1秒的計時器
設置一個計時器，時間為1分12秒
設置一個3分鐘的計時器
設置一個9分30秒的計時器

然後告訴 LUIS 這些句子的哪些部分對應於實體：

句子 設置一個計時器，時間為1分12秒 的意圖是 設置計時器。它還有2個實體，每個實體有2個值：

	時間	單位
1 分鐘	1	分鐘
12 秒	12	秒

要訓練一個好的模型，你需要提供多種不同的示例句子，以涵蓋人們可能用來表達相同意思的多種方式。

💁 與任何人工智慧模型一樣，訓練時使用的數據越多且越準確，模型就越好。

✅ 想想你可能用來表達相同意思的不同方式，並期望人類能理解。

任務 - 向語言理解模型添加實體

對於計時器，你需要添加2個實體——一個表示時間單位（分鐘或秒），另一個表示分鐘或秒的數量。

你可以在 Microsoft Docs 的快速入門：在 LUIS 入口網站中構建應用文檔中找到使用 LUIS 入口網站的指導。

在 LUIS 入口網站中，選擇 Entities 標籤，並通過選擇 Add prebuilt entity 按鈕添加 number 預設實體，然後從列表中選擇 number。
使用 Create 按鈕創建一個新的實體，命名為 time unit，並將類型設置為 List。在 Normalized values 列表中添加 minute 和 second 的值，並在 synonyms 列表中添加單數和複數形式的變體。每添加一個同義詞後按 return 鍵將其添加到列表中。

標準化值同義詞

minute minute, minutes

second second, seconds

標準化值	同義詞
minute	minute, minutes
second	second, seconds

任務 - 向語言理解模型添加意圖

在 Intents 標籤中，選擇 Create 按鈕創建一個新的意圖。將此意圖命名為 set timer。
在示例中，輸入使用分鐘、秒以及分鐘和秒組合設置計時器的不同方式。示例可以包括：
- 設置一個1秒的計時器
- 設置一個4分鐘的計時器
- 設置一個四分鐘六秒的計時器
- 設置一個9分30秒的計時器
- 設置一個計時器，時間為1分12秒
- 設置一個計時器，時間為3分鐘
- 設置一個計時器，時間為3分1秒
- 設置一個計時器，時間為三分一秒
- 設置一個計時器，時間為1分1秒
- 設置一個計時器，時間為30秒
- 設置一個計時器，時間為1秒
混合使用數字的文字形式和數字形式，讓模型學會處理兩者。
每輸入一個示例，LUIS 都會開始檢測實體，並將檢測到的部分用下劃線標記並標籤。

任務 - 訓練和測試模型

配置好實體和意圖後，可以使用頂部菜單中的 Train 按鈕訓練模型。選擇此按鈕，模型應在幾秒鐘內完成訓練。訓練期間按鈕會變灰，完成後會重新啟用。
從頂部菜單中選擇 Test 按鈕測試語言理解模型。輸入文字，例如 設置一個計時器，時間為5分4秒，然後按回車鍵。句子會出現在你輸入文字的文本框下方，下面會顯示 top intent，即檢測到的概率最高的意圖。這應該是 set timer。意圖名稱後面會顯示檢測到的意圖正確的概率。
選擇 Inspect 選項查看結果的詳細信息。你會看到最高分的意圖及其百分比概率，以及檢測到的實體列表。
完成測試後，關閉 Test 面板。

任務 - 發佈模型

若要從程式碼中使用此模型，你需要發佈它。從 LUIS 發佈時，你可以選擇發佈到測試環境或正式環境。在本課中，測試環境即可。

從 LUIS 入口網站中，選擇頂部菜單中的 Publish 按鈕。
確保選擇了 Staging slot，然後選擇 Done。發佈應用後，你會看到通知。
你可以使用 curl 測試此模型。要構建 curl 命令，你需要三個值——端點、應用程式 ID（App ID）和 API 密鑰。這些可以從頂部菜單中選擇 MANAGE 標籤後的 Settings 部分中獲取。
1. 從 Settings 部分中複製 App ID
從 Azure 資源 部分選擇 Authoring Resource，並複製 Primary Key 和 Endpoint URL

在命令提示符或終端中執行以下 curl 命令：

curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
      --request GET \
      --get \
      --data "subscription-key=<primary key>" \
      --data "verbose=false" \
      --data "show-all-intents=true" \
      --data-urlencode "query=<sentence>"

將 <endpoint url> 替換為 Azure 資源 部分中的 Endpoint URL。

將 <app id> 替換為 Settings 部分中的 App ID。

將 <primary key> 替換為 Azure 資源 部分中的 Primary Key。

將 <sentence> 替換為您想測試的句子。

此呼叫的輸出將是一個 JSON 文件，詳細說明查詢、最高意圖以及按類型劃分的實體列表。

{
    "query": "set a timer for 45 minutes and 12 seconds",
    "prediction": {
        "topIntent": "set timer",
        "intents": {
            "set timer": {
                "score": 0.97031575
            },
            "None": {
                "score": 0.02205793
            }
        },
        "entities": {
            "number": [
                45,
                12
            ],
            "time-unit": [
                [
                    "minute"
                ],
                [
                    "second"
                ]
            ]
        }
    }
}

上述 JSON 是基於查詢 set a timer for 45 minutes and 12 seconds 生成的：

set timer 是最高意圖，概率為 97%。
檢測到兩個 number 實體，分別是 45 和 12。
檢測到兩個 time-unit 實體，分別是 minute 和 second。

使用語言理解模型

一旦發布，LUIS 模型可以從代碼中調用。在之前的課程中，您使用 IoT Hub 處理與雲服務的通信，發送遙測數據並接收命令。這是非常異步的——一旦遙測數據發送出去，您的代碼不會等待響應，如果雲服務宕機，您也不會知道。

對於智能計時器，我們希望立即獲得響應，以便告訴用戶計時器已設置，或者提醒他們雲服務不可用。為此，我們的 IoT 設備將直接調用 Web 端點，而不是依賴 IoT Hub。

與其從 IoT 設備調用 LUIS，您可以使用具有不同觸發類型的無伺服器代碼——HTTP 觸發器。這使您的函數應用可以監聽 REST 請求並對其進行響應。此函數將是一個 REST 端點，您的設備可以調用。

💁 雖然您可以直接從 IoT 設備調用 LUIS，但使用類似無伺服器代碼的方式更好。這樣當您想更改調用的 LUIS 應用時，例如訓練更好的模型或用不同語言訓練模型，您只需更新雲端代碼，而不需要重新部署代碼到可能成千上萬甚至數百萬的 IoT 設備。

任務 - 創建無伺服器函數應用

創建一個名為 smart-timer-trigger 的 Azure Functions 應用，並在 VS Code 中打開它。
使用以下命令在 VS Code 終端內為此應用添加一個名為 speech-trigger 的 HTTP 觸發器：
```
func new --name text-to-timer --template "HTTP trigger"
```
這將創建一個名為 text-to-timer 的 HTTP 觸發器。

通過運行函數應用來測試 HTTP 觸發器。運行後，您將在輸出中看到列出的端點：

Functions:

        text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer

通過在瀏覽器中加載 http://localhost:7071/api/text-to-timer URL 進行測試。

This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.

任務 - 使用語言理解模型

LUIS 的 SDK 可通過 Pip 套件獲得。將以下行添加到 requirements.txt 文件中以添加對此套件的依賴：
```
azure-cognitiveservices-language-luis
```
確保 VS Code 終端已激活虛擬環境，並運行以下命令以安裝 Pip 套件：
```
pip install -r requirements.txt
```
💁 如果出現錯誤，您可能需要使用以下命令升級 pip：
```
pip install --upgrade pip
```
在 MANAGE 標籤的 LUIS 入口網站中，為您的 LUIS API Key、Endpoint URL 和 App ID 添加新的條目到 local.settings.json 文件：
```
"LUIS_KEY": "<primary key>",
"LUIS_ENDPOINT_URL": "<endpoint url>",
"LUIS_APP_ID": "<app id>"
```
將 <endpoint url> 替換為 MANAGE 標籤中 Azure 資源 部分的 Endpoint URL。這將是 https://<location>.api.cognitive.microsoft.com/。

將 <app id> 替換為 MANAGE 標籤中 Settings 部分的 App ID。

將 <primary key> 替換為 MANAGE 標籤中 Azure 資源 部分的 Primary Key。

將以下導入添加到 __init__.py 文件：

import json
import os
from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
from msrest.authentication import CognitiveServicesCredentials

這導入了一些系統庫以及與 LUIS 交互的庫。

刪除 main 方法的內容，並添加以下代碼：

luis_key = os.environ['LUIS_KEY']
endpoint_url = os.environ['LUIS_ENDPOINT_URL']
app_id = os.environ['LUIS_APP_ID']

credentials = CognitiveServicesCredentials(luis_key)
client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)

此代碼加載您在 local.settings.json 文件中為 LUIS 應用添加的值，使用您的 API Key 創建憑據對象，然後創建 LUIS 客戶端對象以與您的 LUIS 應用交互。

此 HTTP 觸發器將以 JSON 格式傳遞要理解的文本，文本位於名為 text 的屬性中。以下代碼從 HTTP 請求的正文中提取值並將其記錄到控制台。將此代碼添加到 main 函數：
```
req_body = req.get_json()
text = req_body['text']
logging.info(f'Request - {text}')
```
通過發送預測請求（包含要預測的文本的 JSON 文件）向 LUIS 請求預測。使用以下代碼創建此請求：
```
prediction_request = { 'query' : text }
```

然後可以使用您的應用發布到的 staging slot 將此請求發送到 LUIS：

prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)

預測響應包含最高意圖——具有最高預測分數的意圖，以及實體。如果最高意圖是 set timer，則可以讀取實體以獲取計時器所需的時間：
```
if prediction_response.prediction.top_intent == 'set timer':
    numbers = prediction_response.prediction.entities['number']
    time_units = prediction_response.prediction.entities['time unit']
    total_seconds = 0
```
number 實體將是一個數字數組。例如，如果您說 "Set a four minute 17 second timer."，則 number 數組將包含 2 個整數——4 和 17。

time unit 實體將是一個字符串數組的數組，每個時間單位作為數組中的字符串數組。例如，如果您說 "Set a four minute 17 second timer."，則 time unit 數組將包含 2 個單值數組——['minute'] 和 ['second']。

"Set a four minute 17 second timer." 的這些實體的 JSON 版本是：
```
{
    "number": [4, 17],
    "time unit": [
        ["minute"],
        ["second"]
    ]
}
```
此代碼還定義了一個計時器的總時間（以秒為單位）的計數。這將由實體中的值填充。
實體之間沒有直接關聯，但我們可以對它們進行一些假設。它們將按照說話的順序排列，因此可以使用數組中的位置來確定哪個數字與哪個時間單位匹配。例如：
- "Set a 30 second timer" - 這將有一個數字 30 和一個時間單位 second，因此單個數字將匹配單個時間單位。
- "Set a 2 minute and 30 second timer" - 這將有兩個數字 2 和 30，以及兩個時間單位 minute 和 second，因此第一個數字將對應第一個時間單位（2 分鐘），第二個數字對應第二個時間單位（30 秒）。
以下代碼獲取 number 實體中的項目數，並使用該數量提取每個數組中的第一項，然後是第二項，依此類推。將此代碼添加到 if 塊內。
```
for i in range(0, len(numbers)):
    number = numbers[i]
    time_unit = time_units[i][0]
```
對於 "Set a four minute 17 second timer."，此代碼將循環兩次，生成以下值：

循環次數 number time_unit

0 4 minute

1 17 second
在此循環內，使用數字和時間單位計算計時器的總時間，對於每分鐘添加 60 秒，對於每秒添加相應的秒數。
```
if time_unit == 'minute':
    total_seconds += number * 60
else:
    total_seconds += number
```

循環次數	`number`	`time_unit`
0	4	minute
1	17	second

在此循環外，記錄計時器的總時間：

logging.info(f'Timer required for {total_seconds} seconds')

計時器的秒數需要作為 HTTP 響應從函數返回。在 if 塊的末尾添加以下代碼：
```
payload = {
    'seconds': total_seconds
}
return func.HttpResponse(json.dumps(payload), status_code=200)
```
此代碼創建一個包含計時器總秒數的有效負載，將其轉換為 JSON 字符串並以狀態碼 200（表示呼叫成功）返回。
最後，在 if 塊外處理未識別意圖的情況，返回錯誤代碼：
```
return func.HttpResponse(status_code=404)
```
404 是 未找到 的狀態碼。

運行函數應用並使用 curl 測試它。

curl --request POST 'http://localhost:7071/api/text-to-timer' \
     --header 'Content-Type: application/json' \
     --include \
     --data '{"text":"<text>"}'

將 <text> 替換為您的請求文本，例如 set a 2 minutes 27 second timer。

您將看到函數應用的以下輸出：

Functions:

        text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer

For detailed output, run func with --verbose flag.
[2021-06-26T19:45:14.502Z] Worker process started and initialized.
[2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
[2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
[2021-06-26T19:45:53.577Z] Timer required for 147 seconds
[2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)

curl 的呼叫將返回以下內容：

HTTP/1.1 200 OK
Date: Tue, 29 Jun 2021 01:14:11 GMT
Content-Type: text/plain; charset=utf-8
Server: Kestrel
Transfer-Encoding: chunked

{"seconds": 147}

計時器的秒數位於 "seconds" 值中。

💁 您可以在 code/functions 文件夾中找到此代碼。

任務 - 使您的函數可供 IoT 設備使用

為了讓您的 IoT 設備調用您的 REST 端點，它需要知道 URL。當您之前訪問它時，您使用了 localhost，這是一個快捷方式，用於訪問本地機器上的 REST 端點。要讓您的 IoT 設備獲得訪問權限，您需要將其發布到雲端，或者獲取您的 IP 地址以便本地訪問。

⚠️ 如果您使用的是 Wio Terminal，運行函數應用於本地會更容易，因為存在依賴庫，這意味著您無法像之前那樣部署函數應用。如果您希望部署到雲端，後續課程將提供相關信息。
- 發布函數應用 - 按照之前課程中的指示將函數應用發布到雲端。一旦發布，URL 將是 https://<APP_NAME>.azurewebsites.net/api/text-to-timer，其中 <APP_NAME> 是您的函數應用名稱。確保也發布您的本地設置。
  
  使用 HTTP 觸發器時，它們默認通過函數應用密鑰進行保護。要獲取此密鑰，運行以下命令：
```
az functionapp keys list --resource-group smart-timer \
                         --name <APP_NAME>                               
```
  從 functionKeys 部分複製 default 條目的值。
```
{
  "functionKeys": {
    "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
  },
  "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
  "systemKeys": {}
}
```
  此密鑰需要作為查詢參數添加到 URL 中，因此最終的 URL 將是 https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>，其中 <APP_NAME> 是您的函數應用名稱，<FUNCTION_KEY> 是您的默認函數密鑰。
  
  💁 您可以使用 function.json 文件中的 authlevel 設置更改 HTTP 觸發器的授權類型。您可以在 Microsoft Docs 上的 Azure Functions HTTP 觸發器文檔配置部分中了解更多信息。
- 本地運行函數應用並使用 IP 地址訪問 - 您可以獲取計算機在本地網絡上的 IP 地址，並使用該地址構建 URL。
  
  獲取您的 IP 地址：
  - 在 Windows 10 上，請參考查找您的 IP 地址指南
  - 在 macOS 上，請參考如何在 Mac 上查找 IP 地址指南
  - 在 Linux 上，請參考如何在 Linux 中查找 IP 地址指南中的查找私有 IP 地址部分
  獲取 IP 地址後，您將能夠通過 http://

:7071/api/text-to-timer，其中 <IP_ADDRESS>是你的 IP 位址，例如http://192.168.1.10:7071/api/text-to-timer`。

  > 💁 請注意這裡使用的是 7071 埠，因此在 IP 位址後需要加上 `:7071`。

  > 💁 這僅在你的 IoT 裝置與電腦位於同一網路時才有效。

使用 curl 測試此端點。

🚀 挑戰

設定計時器有許多不同的請求方式。試著想出不同的方法，並將它們作為範例加入你的 LUIS 應用程式中。測試這些方法，看看你的模型能否處理多種請求計時器的方式。

課後測驗

回顧與自學

在 Microsoft Docs 的語言理解 (LUIS) 文件頁面上閱讀更多關於 LUIS 及其功能的資訊
在維基百科的自然語言理解頁面上閱讀更多關於語言理解的資訊
在 Microsoft Docs 的 Azure Functions HTTP 觸發器文件頁面上閱讀更多關於 HTTP 觸發器的資訊

作業

取消計時器

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。

README.md Unescape Escape